Publicação
Clinical big data
| Resumo: | Hoje em dia, organizações nos mais distintos setores de atividades, estão a gerar enormes quantidade de dados, a uma grande velocidade e variedade. Este fenómeno ditou um crescente desenvolvimento tecnológico, denominado de big data, que já é reconhecido como uma das mais importantes áreas do futuro da informação. Devido a facto, as organizações têm procurado novas soluções de forma a melhorarem os seus serviços e tirar partido das vantagens destas novas tecnologias. A realidade vivida na indústria da saúde é similar à descrita anteriormente. É um setor onde se tem armazenado digitalmente enormes quantidades de dados e com enormes benefícios provenientes destas novas tecnologias. Apesar disso, são poucas as organizações ligadas ao setor da saúde que fazem investimentos nesta área e que estão a aproveitar o potencial do big data. Tendo por motivação todos os aspetos referidos, a finalidade da presente dissertação consiste na avaliação da potencialidade do big data na saúde e proceder à análise e seleção de uma solução de big data capaz de colmatar as necessidades clínicas. Desta forma, neste documento consta uma análise SWOT ao big data na saúde, mais concretamente as suas forças, fraquezas, oportunidades e ameaças com o intuito de ajudar as organizações a avaliar o potencial do big data. Para auxiliar na escolha de uma solução de big data foi elaborada uma análise a três distribuições comerciais de big data, tendo por base o método Analytic Hierarchy Process e ainda uma análise benchmarking a arquiteturas de big data na saúde. Ainda neste documento é incluída uma revisão de literatura sobre: o lado teórico do big data, onde é explicada a sua definição, características e desafios; o lado prático do big data, onde são descritas as principais ferramentas e tecnologias; big data na saúde, onde são enumeradas vantagens, desvantagens, tipos de dados e exemplos da utilização do big data na saúde. Para a realização da dissertação, teve-se em consideração quatro abordagens metodológicas: o estudo de caso, o “Design Science Research Methodology for Information Systems” , o processo de Benchmarking e o “Analytic Hierarchy Process”. |
|---|---|
| Autores principais: | Dias, Cristiana Filipa Rodrigues |
| Assunto: | big data big data technologies big data solutions big data in healthcare tecnologias de big data soluções de big data big data na saúde |
| Ano: | 2020 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| _version_ | 1866270168260280320 |
|---|---|
| author | Dias, Cristiana Filipa Rodrigues |
| author_facet | Dias, Cristiana Filipa Rodrigues |
| author_role | author |
| contributor_name_str_mv | Santos, Manuel Portela, Filipe Universidade do Minho |
| country_str | PT |
| creators_json_txt | [{\"Person.name\":\"Dias, Cristiana Filipa Rodrigues\"}] |
| datacite.contributors.contributor.contributorName.fl_str_mv | Santos, Manuel Portela, Filipe Universidade do Minho |
| datacite.creators.creator.creatorName.fl_str_mv | Dias, Cristiana Filipa Rodrigues |
| datacite.date.Accepted.fl_str_mv | 2020-01-01T00:00:00Z |
| datacite.date.available.fl_str_mv | 2022-05-10T10:10:22Z |
| datacite.date.embargoed.fl_str_mv | 2022-05-10T10:10:22Z |
| datacite.rights.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| datacite.subjects.subject.fl_str_mv | big data big data technologies big data solutions big data in healthcare tecnologias de big data soluções de big data big data na saúde |
| datacite.titles.title.fl_str_mv | Clinical big data |
| dc.contributor.none.fl_str_mv | Santos, Manuel Portela, Filipe Universidade do Minho |
| dc.creator.none.fl_str_mv | Dias, Cristiana Filipa Rodrigues |
| dc.date.Accepted.fl_str_mv | 2020-01-01T00:00:00Z |
| dc.date.available.fl_str_mv | 2022-05-10T10:10:22Z |
| dc.date.embargoed.fl_str_mv | 2022-05-10T10:10:22Z |
| dc.description.none.fl_str_mv | Nowadays, organizations in the most distinct sectors of activities, are generating enormous amounts of data, at high velocity and high variety. This phenomenon dictated a growing technological development, called Big Data, which is already recognized as one of the most important areas of the future of information. Due to this fact, organizations have been looking for new solutions to improve their services and take advantage of these new technologies. The reality in the healthcare industry is similar to the phenomenon described above. It is a sector where large amounts of data have been stored digitally and with enormous benefits from these new technologies. Despite this, there are very few health-related organizations making investments in Big Data and taking advantage of its potential. Motivated by all the aspects mentioned, the purpose of this dissertation is to evaluate the potential of big data in healthcare and to proceed to the analysis and selection of a big data solution capable of meeting clinical needs. So, this document contains a SWOT analysis of big data in healthcare, more specifically its strengths, weaknesses, opportunities and threats in order to help organizations assess the potential of big data. To assist in choosing a big data solution, an analysis was made of three commercial big data distributions, based on the Analytic Hierarchy Process method and a benchmarking analysis of big data architectures in healthcare. This document also includes a review of literature about: the theoretical side of big data, where its definition, characteristics and challenges are explained; the practical side of big data, where the main tools and technologies are described; big data in healthcare, where advantages, disadvantages, types of data and examples of the use of big data in healthcare are listed. For the accomplishment of the dissertation, three methodological approaches were considered: the case study, the “Design Science Research Methodology for Information Systems”, benchmarking process and the “Analytic Hierarchy Process”. |
| dc.format.none.fl_str_mv | application/pdf |
| dc.identifier.none.fl_str_mv | https://hdl.handle.net/1822/77569 |
| dc.language.none.fl_str_mv | por |
| dc.rights.cclincense.fl_str_mv | http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.none.fl_str_mv | http://purl.org/coar/access_right/c_abf2 |
| dc.rights.rights.copyright.fl_str_mv | openAccess |
| dc.subject.none.fl_str_mv | big data big data technologies big data solutions big data in healthcare tecnologias de big data soluções de big data big data na saúde |
| dc.title.fl_str_mv | Clinical big data |
| dc.type.none.fl_str_mv | http://purl.org/coar/resource_type/c_bdcc |
| description | Hoje em dia, organizações nos mais distintos setores de atividades, estão a gerar enormes quantidade de dados, a uma grande velocidade e variedade. Este fenómeno ditou um crescente desenvolvimento tecnológico, denominado de big data, que já é reconhecido como uma das mais importantes áreas do futuro da informação. Devido a facto, as organizações têm procurado novas soluções de forma a melhorarem os seus serviços e tirar partido das vantagens destas novas tecnologias. A realidade vivida na indústria da saúde é similar à descrita anteriormente. É um setor onde se tem armazenado digitalmente enormes quantidades de dados e com enormes benefícios provenientes destas novas tecnologias. Apesar disso, são poucas as organizações ligadas ao setor da saúde que fazem investimentos nesta área e que estão a aproveitar o potencial do big data. Tendo por motivação todos os aspetos referidos, a finalidade da presente dissertação consiste na avaliação da potencialidade do big data na saúde e proceder à análise e seleção de uma solução de big data capaz de colmatar as necessidades clínicas. Desta forma, neste documento consta uma análise SWOT ao big data na saúde, mais concretamente as suas forças, fraquezas, oportunidades e ameaças com o intuito de ajudar as organizações a avaliar o potencial do big data. Para auxiliar na escolha de uma solução de big data foi elaborada uma análise a três distribuições comerciais de big data, tendo por base o método Analytic Hierarchy Process e ainda uma análise benchmarking a arquiteturas de big data na saúde. Ainda neste documento é incluída uma revisão de literatura sobre: o lado teórico do big data, onde é explicada a sua definição, características e desafios; o lado prático do big data, onde são descritas as principais ferramentas e tecnologias; big data na saúde, onde são enumeradas vantagens, desvantagens, tipos de dados e exemplos da utilização do big data na saúde. Para a realização da dissertação, teve-se em consideração quatro abordagens metodológicas: o estudo de caso, o “Design Science Research Methodology for Information Systems” , o processo de Benchmarking e o “Analytic Hierarchy Process”. |
| dirty | 0 |
| eu_rights_str_mv | openAccess |
| format | masterThesis |
| fulltext.url.fl_str_mv | https://prod-dspace.uminho.pt/bitstreams/18294751-0ab2-4e27-96eb-ed786772339f/download |
| id | rum_dc0899f50e13fdffbc17df0615a8ef5c |
| identifier.url.fl_str_mv | https://hdl.handle.net/1822/77569 |
| instacron_str | repositorium |
| institution | Universidade do Minho |
| instname_str | Universidade do Minho |
| language | por |
| network_acronym_str | rum |
| network_name_str | RepositóriUM - Universidade do Minho |
| oai_identifier_str | oai:repositorium.uminho.pt:1822/77569 |
| organization_str_mv | urn:organizationAcronym:repositorium |
| person_str_mv | Dias, Cristiana Filipa Rodrigues |
| publishDate | 2020 |
| reponame_str | RepositóriUM - Universidade do Minho |
| repository_id_str | urn:repositoryAcronym:rum |
| service_str_mv | urn:repositoryAcronym:rum |
| spelling | porporHoje em dia, organizações nos mais distintos setores de atividades, estão a gerar enormes quantidade de dados, a uma grande velocidade e variedade. Este fenómeno ditou um crescente desenvolvimento tecnológico, denominado de big data, que já é reconhecido como uma das mais importantes áreas do futuro da informação. Devido a facto, as organizações têm procurado novas soluções de forma a melhorarem os seus serviços e tirar partido das vantagens destas novas tecnologias. A realidade vivida na indústria da saúde é similar à descrita anteriormente. É um setor onde se tem armazenado digitalmente enormes quantidades de dados e com enormes benefícios provenientes destas novas tecnologias. Apesar disso, são poucas as organizações ligadas ao setor da saúde que fazem investimentos nesta área e que estão a aproveitar o potencial do big data. Tendo por motivação todos os aspetos referidos, a finalidade da presente dissertação consiste na avaliação da potencialidade do big data na saúde e proceder à análise e seleção de uma solução de big data capaz de colmatar as necessidades clínicas. Desta forma, neste documento consta uma análise SWOT ao big data na saúde, mais concretamente as suas forças, fraquezas, oportunidades e ameaças com o intuito de ajudar as organizações a avaliar o potencial do big data. Para auxiliar na escolha de uma solução de big data foi elaborada uma análise a três distribuições comerciais de big data, tendo por base o método Analytic Hierarchy Process e ainda uma análise benchmarking a arquiteturas de big data na saúde. Ainda neste documento é incluída uma revisão de literatura sobre: o lado teórico do big data, onde é explicada a sua definição, características e desafios; o lado prático do big data, onde são descritas as principais ferramentas e tecnologias; big data na saúde, onde são enumeradas vantagens, desvantagens, tipos de dados e exemplos da utilização do big data na saúde. Para a realização da dissertação, teve-se em consideração quatro abordagens metodológicas: o estudo de caso, o “Design Science Research Methodology for Information Systems” , o processo de Benchmarking e o “Analytic Hierarchy Process”.engNowadays, organizations in the most distinct sectors of activities, are generating enormous amounts of data, at high velocity and high variety. This phenomenon dictated a growing technological development, called Big Data, which is already recognized as one of the most important areas of the future of information. Due to this fact, organizations have been looking for new solutions to improve their services and take advantage of these new technologies. The reality in the healthcare industry is similar to the phenomenon described above. It is a sector where large amounts of data have been stored digitally and with enormous benefits from these new technologies. Despite this, there are very few health-related organizations making investments in Big Data and taking advantage of its potential. Motivated by all the aspects mentioned, the purpose of this dissertation is to evaluate the potential of big data in healthcare and to proceed to the analysis and selection of a big data solution capable of meeting clinical needs. So, this document contains a SWOT analysis of big data in healthcare, more specifically its strengths, weaknesses, opportunities and threats in order to help organizations assess the potential of big data. To assist in choosing a big data solution, an analysis was made of three commercial big data distributions, based on the Analytic Hierarchy Process method and a benchmarking analysis of big data architectures in healthcare. This document also includes a review of literature about: the theoretical side of big data, where its definition, characteristics and challenges are explained; the practical side of big data, where the main tools and technologies are described; big data in healthcare, where advantages, disadvantages, types of data and examples of the use of big data in healthcare are listed. For the accomplishment of the dissertation, three methodological approaches were considered: the case study, the “Design Science Research Methodology for Information Systems”, benchmarking process and the “Analytic Hierarchy Process”.application/pdfengClinical big dataDias, Cristiana Filipa RodriguesSantos, ManuelPortela, FilipeHostingInstitutionOrganizationalUniversidade do Minhoe-mailmailto:repositorium@usdb.uminho.ptrepositorium@usdb.uminho.ptURNurn:tid:2029570632022-05-10T10:10:22Z20202020-072020-01-01T00:00:00ZHandlehttps://hdl.handle.net/1822/77569http://purl.org/coar/access_right/c_abf2open accessbig databig data technologiesbig data solutionsbig data in healthcaretecnologias de big datasoluções de big databig data na saúde2094062 bytesliteraturehttp://purl.org/coar/resource_type/c_bdccmaster thesis2020http://creativecommons.org/licenses/by/4.0/openAccesshttp://purl.org/coar/access_right/c_abf2application/pdffulltexthttps://prod-dspace.uminho.pt/bitstreams/18294751-0ab2-4e27-96eb-ed786772339f/download |
| spellingShingle | Clinical big data Dias, Cristiana Filipa Rodrigues big data big data technologies big data solutions big data in healthcare tecnologias de big data soluções de big data big data na saúde |
| status | SINGLETON |
| subject.fl_str_mv | big data big data technologies big data solutions big data in healthcare tecnologias de big data soluções de big data big data na saúde |
| title | Clinical big data |
| title_full | Clinical big data |
| title_fullStr | Clinical big data |
| title_full_unstemmed | Clinical big data |
| title_short | Clinical big data |
| title_sort | Clinical big data |
| topic | big data big data technologies big data solutions big data in healthcare tecnologias de big data soluções de big data big data na saúde |
| topic_facet | big data big data technologies big data solutions big data in healthcare tecnologias de big data soluções de big data big data na saúde |
| url | https://hdl.handle.net/1822/77569 |
| visible | 1 |